10月21日消息，據(jù)外媒報(bào)道，下次當(dāng)你開車或在街上行走的時候，停下來想一想你是怎么了解周圍環(huán)境的。你要特別注意在前院草坪上踢足球的孩子，以及那個看起來有點(diǎn)兒不穩(wěn)、神情緊張的騎單車者。你不能被街頭大步行走的女人分散注意力，雖然她正走向人行道上向她揮手的一群朋友。

你需要大量的社會和文化經(jīng)驗(yàn)來做這些事，但你幾乎不需要去思考就能本能地得出結(jié)論。可是想象一下，假如你是一輛無人駕駛汽車，想要做同樣的事情，但卻沒有積累的知識或共享的人性，它們可以讓你從其他人的細(xì)微行為中解讀出線索。把每個行人、騎單車者以及車輛都當(dāng)作障礙對待，可以讓你避免撞上任何東西，但這也很容易讓你被隔離。

美國加州大學(xué)伯克利分校電子工程與計(jì)算機(jī)科學(xué)系的自動化專家安卡·德拉甘（AncaDragan）表示：“我們把它稱為冷凍機(jī)器人問題。汽車所能做的任何事都太危險(xiǎn)了，因?yàn)橹挥凶钤愀獾娜祟愋袨椴趴赡軙?dǎo)致碰撞。”

像德拉甘這樣的研究人員正在應(yīng)對這樣的挑戰(zhàn)，即解釋和預(yù)測人類行為，以便讓無人駕駛汽車變得更安全、更高效、更自信。畢竟，如果每臺機(jī)器都要為每個無法預(yù)測行為的人停下來，我們很快就會被數(shù)百萬驚恐的機(jī)器人堵塞街道。

為了防止交通堵塞，這些研究人員正依靠人工智能（AI）以及教授駕駛系統(tǒng)的能力，通過建模和反復(fù)觀察這些行為意味著什么，以及系統(tǒng)應(yīng)該如何對它們做出反應(yīng)。事實(shí)上，無人駕駛汽車首先應(yīng)該意識到，人類并不是障礙。德拉甘說：“不同于風(fēng)滾草在風(fēng)力作用下的移動方式，人類移動取決于他們的決定。當(dāng)他們想做點(diǎn)兒什么時，他們會采取行動去實(shí)現(xiàn)。我們首先考慮的是根據(jù)他們目前所采取的行動來推斷人們想要做什么。因此，從這個角度來看，他們的行為是理性的。”

舉例來說，在高速公路的右車道上，一名司機(jī)加速了。計(jì)算機(jī)知道人們在接近出口的時候應(yīng)該減速，并且可以推斷出這個人很可能會繼續(xù)向前走，而不是在即將到來的出口退出。這是一個基本的例子：當(dāng)計(jì)算機(jī)能夠估算出人們想要做什么，以及如何實(shí)現(xiàn)目標(biāo)時，它們就可以合理地預(yù)測人們下一步要做什么，并做出相應(yīng)的反應(yīng)。

關(guān)鍵在于，即使是機(jī)器學(xué)習(xí)，也不能被場景中的個別元素限制住。日產(chǎn)公司硅谷研發(fā)中心的人類學(xué)家梅麗莎·塞弗金（MelissaCefkin）表示：“在這個領(lǐng)域取得進(jìn)展是非常重要，但機(jī)器只是看到了道路上的情況。而作為人類，我們更擅長識別出某些特定行為，這些行為在機(jī)器看起來是一回事兒，但從我們的社會視角角度來看，則是另外一回事。”

想象一下，當(dāng)你沿著城市街區(qū)開車時，看到一個人正走向路邊。機(jī)器人司機(jī)可能會計(jì)算出他的速度和軌跡，確定他可能要過馬路，然后停車以免撞到他。但你看到他拿著車鑰匙，意識到他正走向街邊，并來到他停在路邊的車門處。你肯定會放慢速度，但沒有必要停車。塞弗金表示：“人們在特定環(huán)境中的移動方式已經(jīng)在文化和社會上被編碼了。這不總是人與人之間的互動，而是人與物體之間的互動。”

這依然是一個很簡單的例子。塞弗金指出她所謂的“多因素問題”，即行人和其他司機(jī)對周圍的人做出的反應(yīng)。她說：“如果一個行人要在我前面穿過，但卻沒有看著我，他們很可能會造成交通堵塞問題。所以現(xiàn)在我想知道的是，基于其他交通狀況，繼續(xù)行駛進(jìn)行下去是否安全。”

現(xiàn)在看來，世界似乎正朝著某種“駕駛地獄”的方向前進(jìn)，但你無需感到擔(dān)憂。塞弗金說，教授基于AI的無人駕駛系統(tǒng)適應(yīng)人類的古怪行為是很困難的，但絕非不可能。達(dá)利烏·加夫里拉（DariuGavrila）正在德爾夫特理工大學(xué)研究智能汽車，訓(xùn)練電腦應(yīng)對各種挑戰(zhàn)，包括通過復(fù)雜的十字路口（存在各種移動目標(biāo)、道路碎片、交通警察）以及其他不尋常的事情，比如有人在街道中間推車。加夫里拉說，他的目標(biāo)是為機(jī)器開發(fā)出一種適應(yīng)性更強(qiáng)的駕駛方式，從而增強(qiáng)社會對新硬件的接受程度。

這項(xiàng)工作意味著，需要考慮到環(huán)境中的行人交通因素，比如接近路邊、車道或公共建筑入口以及其他行為等。它還要延伸到每個人的動作上，比如某人的頭朝一個方向看，而他們的軀干指向另一個方向，這可能意味著什么。加夫里拉說：“識別行人的意圖可能是一個拯救生命的辦法。我們在真車演示中證明，無人系統(tǒng)可以比人類的反應(yīng)快一秒鐘，而且不會產(chǎn)生錯誤警報(bào)。”

不過，計(jì)算機(jī)能做的事情畢竟是有限制的。加夫里拉指出：“這不是少數(shù)派報(bào)告，沒有人會告訴你即將發(fā)生什么。隨著預(yù)測水平的提高，未來行人或騎單車者的不確定性也在迅速增加，未來我們將在多少秒內(nèi)嘗試建模。基本行為模型一秒鐘后就不再有用了。更復(fù)雜的行為模型可能會讓我們有兩秒鐘的預(yù)測能力。”

盡管如此，一兩秒鐘的提前警告可能就是計(jì)算機(jī)化系統(tǒng)所需要的，因?yàn)樗廊辉谌祟愴憫?yīng)的時間范圍之內(nèi)。但其他自動化專家認(rèn)為，我們可能會讓機(jī)器在駕駛的每一微秒內(nèi)都陷入“過度思考”的狀態(tài)。英特爾公司無人駕駛系統(tǒng)首席系統(tǒng)架構(gòu)設(shè)計(jì)師杰克·韋斯特（JackWeast）說：“當(dāng)你在試圖預(yù)測未來時，這是一項(xiàng)巨大的計(jì)算任務(wù)，當(dāng)然它只是產(chǎn)生了一種可能性的猜測。所以，與其把超級計(jì)算機(jī)裝進(jìn)每輛車?yán)铮€不如仔細(xì)想想如何確保汽車永遠(yuǎn)不會撞上任何人。這是一種更經(jīng)濟(jì)可行的做事方式。”

這里還有另一個問題。理想的機(jī)器人不僅能理解周圍的環(huán)境，還能理解它自身是如何改變場景的。德拉甘說，許多機(jī)器人系統(tǒng)都存在內(nèi)在缺陷：他們的制造商認(rèn)為，無人駕駛汽車的出現(xiàn)不會改變其他“演員”的動作。但德拉甘認(rèn)為：“不管我們喜歡與否，無人駕駛汽車的行為都會影響人類的行為。汽車需要開始考慮這種影響。”

這就是為什么德拉甘及其團(tuán)隊(duì)建立新系統(tǒng)的原因，他們的模型中包括了人類司機(jī)對汽車的反應(yīng)模式。她說：“我們的汽車不再是超防御性的，因?yàn)樗雷约阂材芤l(fā)人們的反應(yīng)。就像我們的車輛在其他車輛前面并道時，后者會減速一樣。我們還通過利用無人駕駛汽車的行動來積極預(yù)估人類的意圖。”

這種自信訓(xùn)練可能是未來交通的關(guān)鍵。打造機(jī)器人汽車的關(guān)鍵在于，它不僅應(yīng)該擁有類似人類的意識，還應(yīng)被賦予像人類一樣的能力。